r语言空间可视化绘制道路交通安全事故地图

当我们要可视化事故数量时，其想法是根据部门的人员进行标准化。

我们将从恢复底图开始

可下载资源

library(rgdal)
library(sp)
library(data.table)
library(dplyr)
library(plyr)
destfile="GEOFLA.tar.gz")
untar("GEOFLA.tar.gz")

这些数据包含人口。所以我们要按部门汇总

dep@data <- inner_join(dep@data, pop)
dep@data <- inner_join(dep@data, superficie)
dep@data$POPULATION <- dep@data$POPULATION * 1000

然后我们将恢复道路事故数据


acc_caract$dep[which(acc_caract$dep %in% "201")] <- "2A0"
acc_caract$dep[which(acc_caract$dep %in% "202")] <- "2B0"
acc_caract$dep <- substr(acc_caract$dep, 1, 2)

现在，我们可以按年份、按部门（或按时间汇总）进行计数

data_plot <-  c(
"2010_2015" = dep_with_nb_acc(acc_caract, dep,nb_an = 6),
"2010_2015_n" = dep_with_nb_acc(acc_caract, dep,nb_an = 6,normalize=TRUE))

第一个是超过6年的事故数量，已按人群归一化（可以将其视为人身伤害的频率）

zmax = max(data_plot[[1]]@data$freq_par_hab)
spplot(obj = data_plot$'2010_2015',"freq_par_hab",at = seq(0, zmax, by = zmax/10),main = "")

最受欢迎的见解

1.R语言动态图可视化：如何、创建具有精美动画的图

2.R语言生存分析可视化分析

3.R语言生存分析数据分析可视化案例

4.R语言动态可视化：制作历史全球平均温度的累积动态折线图动画gif视频图

5.R语言高维数据的主成分pca、 t-SNE算法降维与可视化分析案例报告

6.python主题建模可视化LDA和T-SNE交互式可视化

7.R语言可视化探索BRFSS数据并逻辑回归Logistic回归预测中风

8.R语言在BRFSS数据中可视化分析探索糖尿病的影响因素

9.R语言推特twitter转发可视化分析

我们也可以按频率进行标准化，以找出最危险的部门。我们还采用了对数。

zmin = min(data_plot[[8]]@data$freq_par_hab)
zmax = max(data_plot[[8]]@data$freq_par_hab)
spplot(obj = data_plot$'2010_2015_n',"freq_par_hab",at = seq(zmin, zmax, by = (zmax-zmin)/10),main = "")